摘要
本发明公开了一种基于拓扑分析的多尺度涡识别方法,旨在解决现有涡识别方法对单一尺度的依赖、适应性不足、泛化能力有限及可视化效果不佳等问题。本方法首先构建合并树获取流场的多尺度拓扑结构,基于极值点‑鞍点分支筛选候选涡区域,并结合标量准则进行多尺度涡提取,以避免传统方法对固定阈值的依赖。为适应非结构化网格数据,本方法通过邻接关系重构,增强其在复杂流动环境下的适用性和鲁棒性。此外,采用区域扩散算法识别涡区域,并结合表面提取与平滑处理优化可视化效果,使涡结构边界更加连续、自然。实验结果表明,本方法能够精准提取不同尺度的涡结构,在不同雷诺数的流场数据上均表现出良好的泛化能力,相较于传统方法在复杂流场和非结构化网格上具有更强的适应性。该方法可广泛应用于湍流研究、空气动力学优化、气象分析及工程流动问题,为流体力学研究提供了一种高效、鲁棒且精准的涡识别技术。
技术关键词
非结构化网格
节点
队列
拓扑特征
识别方法
扩散算法
优化候选区域
多尺度
流场结构
网格拓扑结构
极值
广度优先搜索
拉普拉斯
分支
树数据结构
字典
扰动方法
系统为您推荐了相关专利信息
检索方法
分布式优化算法
递归算法
图像
检索系统
高精度识别方法
凹凸缺陷
像素点
电缆组件
高精度识别系统
故障诊断模型
监测点
故障特征
训练集数据
频域特征